车载三维数据获取与处理系统设计与实现
作者：魏波 张爱武 李佑钢 冀翼 王瑶
【摘要】 为了实现对城市主干道及其两侧的街景等三维场景进行自动快速采集，车载三维数据获取与处理系统集成多种传感器：全球定位系统（GPS）、VECTOR、惯性测量单元 (IMU)、激光扫描测距仪（LS）、面阵CCD数码相机、线阵CCD数码相机等。该套系统通过对GPS/IMU组合系统导航解算、VECTOR和升降几何平台进行空间配准、时间同步处理，出系统精确可靠的空间时间和姿态航向信息，二维激光扫描仪数据经过滤波去噪、和其他传感器数据融合、三维空间计算，解算出道路和两侧街景的三维空间数据模型，对空间激光数据模型提取点线面特征值，结合CCD相机数据进行立体重建和可视化，实现了实时、主动、完整地获取和处理三维空间数据信息。
【关键词】 多传感器数据融合； GPS/IMU组合导航； 三维立体重建
Abstract: In order to achieve a collection of information of the 3D scenes of main streets and their two sides in city automaticlly and quickly, a vehicle-borne system of 3D data acquisition and processing was developed by integrated with Global Positioning System (GPS), VECTOR, Inertia Measurement Unit (IMU), laser scanner (LS), planar charge coupled device digital camera, linear charge coupled device digital camera, etc. System computes combined navigation system of GPS/IMU, VECTOR and ascendable geometry stable platform, proceeds in space registration and time synchronization, calculates the system?s accurate space, time, stance and course. Planar laser scanning data was filtered, registered space-wisely and time synchronously and fuse computered with other sensor?s data, extracted to 3D solid model of characteristic information of the road and outside of street, continuously extracted to point, line and plane, reconstructed combined with CCD camera data and visualized to 3D model true scene, finally implement acquisition and process of 3D space data timely, initiatively and integrally.
Key words: data fusion of multi-sensor; combined navigation of GPS/IMU; 3D solid reconstruction
为了有效地解决实时、快速、准确、完整的数据信息获取与处理问题，本课题集成差分全球定位系统(Differential Global Positioning System， DGPS)、Vector、惯性测量单元(IMU)、扫描式激光测距仪（2D Laser scanner，2D LS）、线阵CCD相机、面阵CCD相机(charge coupled device，CCD) 等传感器于开启天窗、对电源系统和桌椅改造过的汽车运载平台上，建立一套车载三维数据获取与处理系统，该系统能实时、主动、完整地获取和处理三维空间数据信息，实现城市街景快速建模。
1 系统设计组成结构
完整的车载三维数据获取与处理系统由定位定姿模块和影像采集模块两部分组成，其中用于定位定姿态的传感器有DGPS、VECTOR、IMU等，用于扫描或摄影成像的影像传感器有扫描式激光测距仪（2D LS）、线阵CCD和面阵CCD相机等。这两部分和车载升降台、车载计算机及经过改装的汽车运载平台组成整个系统。
系统通过集成DGPS、IMU，获取系统时间、车载平台位置与姿态，1台VECTOR获取车前进的航向角，为系统提供定位定向定时信息。利用2DLS获取地物目标几何数据，采用线阵和面阵CCD相机获取地物目标的图像数据，采用Kalman滤波融合GPS、IMU数据，空间检校技术确定传感器间相对方位、空间配准，并建立多传感器系统的时间同步配准。系统设计如图1。
图1 系统设计示意图
系统的工作原理是：车辆以一定速度沿道理前进，GPS及IMU同时观测并记录传感器的位置和姿态数据，面阵CCD和线阵CCD分别获取建筑物立面影像信息及道路路面，激光扫描仪也同时将道路两侧建筑物表面的点云记录下来，所有传感器都受控于计算机系统，并通过同步控制系统触发脉冲来实现数据同步采集。在后续处理中，利用GPS于惯性导航系统集成技术为影像传感器提供高精度的位置和姿态数据以快速恢复出城市街区的场景模型，所获取的城市三维目标信息可以满足当前“数字城市”的需要。
1.1 DGPS系统
DGPS系统确定平台的移动位置，由一台车载GPS和在一实验楼10层顶架设一台基站接收机组成。系统采用NovAtel DL-4型双频高精度、高数据刷新率GPS。GPS数据通过串口输出到计算机进行存储处理。
1.2 VECTOR
航向测量系统（VECTOR）用来为惯性导航初始对准提供航向角。为了获取车前进方向的航向角，接收信标差分信号，提高GPS的定位精度，系统采用了加拿大CSI Wireless公司的GPS测向产品VECTOR Sensor PRO接收机。
1.3 惯性测量单元
惯性测量单元为系统提供平台位置和姿态。系统动态测量、定位和导航IMU选用低价位、高性能的测量元件惯性传感器YH-7000惯性测量单元（IMU）&垂直陀螺仪（VG），可得出所需的角度和运动参数。惯性测量单元由一组三轴±2、±5或±10 g的固连加速度计（带宽>100 Hz），和一组三轴100、200 或300 deg/s的光纤陀螺FOGs（带宽>100 Hz）组成，通过滤波，16位A/D转换，起始误差和轴向偏差的补偿，经过约140 Hz，38400波特率的串口输出一组6 个惯性测量的数据。陀螺仪采用根据光的干涉来测量角度旋转的FOG传感器。
1.4 激光扫描仪
三维城市模型的构建需要真三维的空间数据和真实影像数据，采用基于地面的激光扫描系统获取城市三维重建和局部区域空间信息。
系统采用了SICK公司生产的SICK LMS291二维激光扫描仪。将扫描仪装载到移动测量车的升降平台上，当测量车沿着某一方向运行时，扫描仪实时获取道路两侧的相应物体的二维位置信息。
1.5 面阵线阵CCD相机
面阵CCD相机获取建筑物立面纹理信息。采用从杭州超亿数码公司定做2台600万像素面阵CCD数码相机NED-7500D。数据接口采用PCI 2.2标准采集卡；快门在1 s—1/125 s 范围内可软件设定；文件格式为48 bit TIFF文件，RGB数据输出，有利于后期图像处理。
利用实时差分GPS控制面阵CCD曝光过程，将差分动态GPS获取的定时位置信息输入到计算机中，实现设计好曝光点，当车载系统移动到该位置时，根据GPS获得的位置和数据，实现定点曝光。
线阵相机获取道路路面标注等信息。使用NED公司的7500像素彩色线阵CCD数码相机NUCL-7500D，该相机像素分辨率为7500×3；线扫描频率为5 kHz，传感器点频为40 MHz，视频信号输出（bit×1）为8 bit×3。
2 数据获取与处理
2.1 时间、空间配准和GPS/IMU组合系统导航由于各传感器数据采集频率不同和启动时间不一致，需要对GPS、IMU、LS、CCD进行时间同步处理。一方面通过控制系统和机使各传感器在启动的时间上一致；另一方面对各传感器所采集的采样频率不同的目标观测数据进行内差、外推匹配，如将小粒度的观测时间点的数据分布融合到大粒度的观测时间点的数据里。
由于传感器在车内升降平台的安装位置不同、以及各自的物理特性有差异，造成各自的描述空间（局部坐标系）不同，必须进行空间配准，将这些传感器的数据信息映射到一个共同的描述空间（参考坐标系）中，采用空间检校技术确定传感器间相对方位，再融合处理采集的各种数据。
集成DGPS和IMU，采用Kalman滤波融合GPS、IMU数据，获取平台位置与姿态。组合导航定位系统将IMU的陀螺和加速度计的输出及GPS测量数据送至车载计算机，进行处理。系统以GPS时间作为时间基准，采用卡尔曼（Kalman）滤波融合GPS和IMU数据对GPS和IMU数据，推算出各传感器的最佳平台位置和姿态估计，从而确定整个系统精确的运动路线及姿态变化。
2.2 激光数据获取处理
激光扫描仪是在垂直于车辆行驶方向做二维扫描，以汽车行驶方向作为运动维，构成三维扫描系统，所获取的数据由全离散的矢量距离点构成的“点云”，每一像素包含的是一个距离值和角度值。扫描仪所获得的原始测量数据主要包括：① 每条扫描线的序号（每扫描256条线重复一次）；② 在某一时刻所得到的扫描仪中心点到物体表面的距离值（最大距离为80米，最大精度为0.001 米）；③ 根据最大和最小扫描角度以及每条线的扫描点的个数计算得出的任意一个扫描点的扫描角度；④ 扫描仪按照自身时间计数器精度下的扫描点的时间。其中，所获取的第②、③两种数据可以用来计算扫描线相对于扫描仪自身的坐标值，①、④两种数据则为不同传感器数据融合、进行三维转换提供数据。
在经过时间同步、空间配准和GPS/IMU组合系统导航处理获取平台位置与姿态等后，对去噪后的传感器数据进行融合处理，激光扫描仪的数据结合GPS输出数据确定任意扫描线在车行方向上的值，进行三维转换，重建三维目标。图2为利用车载机关扫描仪获取的首都师范大学北门外玲珑路的点云数据。
图2 车载激光获取道路数据点云图
2.3 CCD相机数据获取处理
CCD数码相机得到的是深度图象（Depth Image）。线阵CCD用以获取道路轴线、路面标志、路牌等信息，面阵CCD采集道路两旁行人、树木及各建（构）筑物等街景的纹理数据。深度图象经过镶嵌、配准、纠正等相关处理，结合激光点云数据提取特征点线面，建立三维立体模型。CCD相机所获道路旁边初步数据处理结果如图3。
图3 线阵CCD获取道路路面标志信息图（左）面阵CCD获取建筑物立面纹理信息图（右）
2.4 特征提取、三维立体建模与场景可视化
通过激光扫描仪获取的是海量的散三维点云数据，具有含有较多噪音和不连续性的特点，需要对点云图数据进行特征选取。通过点数据进行分割、特征点线面分割，提取事物的几何特征，挖掘出物体的三维几何框架。特征点线面提取的过程，也就是对点云数据分行分割的过程。Besel［5］根据每一点的高斯曲率为其从8种局部表面类型中选择一种作为标志，经过初始的分割后，利用二次曲面拟合的方法进行区域增长，从而得到最后的分割结果。I. Stamos 和P.E. Allen［6］则使用了［5］中的思想和方法，但利用了建筑物包含大量平面的特点，将分割问题具体到了平面分割，从而避免了计算高斯曲率中的不准确性和二次曲面拟合的复杂性，得到了相对快速简洁的算法。在这些基础上，通过特征点探测、用Hough变换、线性回归、分段线性拟合等、借助于Z图像等方法，综合全面分割出点线面等特征。
在根据距离图象提取出特征点线面后，用线阵、面阵数码相机得到的影像数据来补充点云数据细节的识别，进行纹理映射，利用色彩变化和图像边界进行影像数据分割，然后整合深度数据和图像数据以进行细节提取。从而建立空间三维模型，进行三维可视化，建立三维立体场景。
3 与展望
车载三维数据获取与处理系统使用GPS、IMU等组合导航技术确定车载传感器的位置和姿态，利用激光扫描仪获取目标几何信息，利用CCD数码相机获取目标的数字图像信息，结合GPS时间基准，利用时间同步控制器实现多传感器时间同步，根据传感器特性，利用空间检测技术确定传感器之间的相对空间关系，实现空间配准，在此基础上，进行多传感器特别是激光扫描仪点云数据CCD数码相机影像数据之间的融合，提取道路和两侧街景等目标的特征信息，进行三维立体重建和可视化，建立三维立体场景。本文给出了实验结果，满足了初步的精度要求。在GPS/IMU组合导航、三维数据特征信息提取、三维立体建模和大场景建立等方面，有待进一步研究改进完善。
【参考文献】
［1］ Fruh C, Zakhor A. An Automated method for large-scale, ground-based city model acquisition ［J］.Int J Computer Vision, 2004, 60(1):5-24.
［2］ 李德仁，陈小明，郭丙轩，等. 车载GPS道路信息采集和更新系统研究 ［J］. 武汉测绘科技大学学报, 2000, 25(2):95-98.
［3］ 卢秀山，李清泉，冯文，等.车载式城市信息采集与三维建模系统 ［J］. 武汉大学学报(工学版)，2003，36(3):76-80.
［4］ 陶海燕，刘二莉，杨钦，等. 激光线扫描原理及数据处理简介 ［J］. 机械设计与制造工程, 2002，31(3):54-58.
［5］ Besl PJ, Jain RC. Segmentation through variable-order surface fitting ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1988,10(2): 167-192.
［6］ Stamos I, Allen PE. 3-D model construction using range and image data ［A］. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition ［C］. 2000(1):531-536.
［7］ 陈非，敬忠良，姚晓东，等. 空基多平台多传感器时间空间数据配准与目标跟踪 ［J］. 控制与决策，2001，16增刊：808-811.
